Was ist ein Neuronales Netzwerk?
Einführung
Stellen Sie sich vor, Sie möchten lernen, wie man Texte aus dem Englischen ins Spanische übersetzt. Sie lernen Sprachen durch das Auswendiglernen von Wörtern und Redewendungen, deren Bedeutungen und den Kontext, in dem sie verwendet werden. Basierend auf dieser Erfahrung sind Sie in der Lage, neue Texte zu übersetzen, die Sie zuvor noch nie gesehen haben.
Ein weiteres Beispiel ist die Klassifizierung von Katzen und Hunden. So wie ein Mensch lernt, sie anhand von Beispielen aus dem Leben zu unterscheiden, kann auch ein neuronales Netzwerk lernen, sie anhand solcher Beispiele zu unterscheiden.
Das neuronale Netzwerk macht etwas Ähnliches. Es lernt aus Beispielen – das können Texte, Bilder, Töne oder beliebige Daten sein, die verarbeitet werden sollen. Ein neuronales Netzwerk versucht, ähnlich wie ein Mensch beim Sprachenlernen, Muster in diesen Daten zu erkennen.
Anschließend nutzt es diese Muster, um Aufgaben wie Klassifikation (Bestimmung, zu welcher Kategorie ein Objekt gehört), Regression (Vorhersage eines numerischen Wertes wie z. B. des Preises eines Hauses) oder Generierung (Erstellung neuer Inhalte auf Basis der gelernten Muster) auszuführen. Dieser Prozess, bei dem ein neuronales Netzwerk anhand von Beispielen trainiert wird, wird als überwachtes Lernen bezeichnet und ist die gebräuchlichste Methode, um es zu trainieren.
Das Trainieren eines neuronalen Netzes umfasst das Anlernen anhand von Beispielen mit bereits bekannten Antworten, sogenannten gelabelten Beispielen. Dies ist vergleichbar mit einem Test, bei dem die richtigen Antworten bereits vorgegeben sind, sodass das Netz aus diesen Beispielen lernen kann. Wenn das Netz Vorhersagen treffen soll, werden ihm neue Beispiele ohne Antworten präsentiert, das heißt, die Eingaben sind nicht gelabelt. Das Netz wendet dann das Gelernte an, um die Antworten eigenständig vorherzusagen.
Beispiel für ein neuronales Netz
Dies ist eine Demonstration eines neuronalen Netzes, das speziell dafür entwickelt wurde, Zeichnungen von Katzen und Hunden zu erkennen.
Es handelt sich um ein Klassifikationsproblem, bei dem eine Eingabe aus einer zunächst unbekannten Klasse verarbeitet und die identifizierte Klasse ausgegeben wird.
Nutzen Sie das Beispiel, um ein tieferes Verständnis zu erlangen.
LMB (Linke Maustaste) – zum Zeichnen.
Shift + LMB – zum Radieren.
Danke für Ihr Feedback!
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
What is supervised learning in more detail?
How does the neural network decide if a drawing is a cat or a dog?
Can you explain how the layers in the neural network work?
Awesome!
Completion rate improved to 4Was ist ein Neuronales Netzwerk?
Swipe um das Menü anzuzeigen
Einführung
Stellen Sie sich vor, Sie möchten lernen, wie man Texte aus dem Englischen ins Spanische übersetzt. Sie lernen Sprachen durch das Auswendiglernen von Wörtern und Redewendungen, deren Bedeutungen und den Kontext, in dem sie verwendet werden. Basierend auf dieser Erfahrung sind Sie in der Lage, neue Texte zu übersetzen, die Sie zuvor noch nie gesehen haben.
Ein weiteres Beispiel ist die Klassifizierung von Katzen und Hunden. So wie ein Mensch lernt, sie anhand von Beispielen aus dem Leben zu unterscheiden, kann auch ein neuronales Netzwerk lernen, sie anhand solcher Beispiele zu unterscheiden.
Das neuronale Netzwerk macht etwas Ähnliches. Es lernt aus Beispielen – das können Texte, Bilder, Töne oder beliebige Daten sein, die verarbeitet werden sollen. Ein neuronales Netzwerk versucht, ähnlich wie ein Mensch beim Sprachenlernen, Muster in diesen Daten zu erkennen.
Anschließend nutzt es diese Muster, um Aufgaben wie Klassifikation (Bestimmung, zu welcher Kategorie ein Objekt gehört), Regression (Vorhersage eines numerischen Wertes wie z. B. des Preises eines Hauses) oder Generierung (Erstellung neuer Inhalte auf Basis der gelernten Muster) auszuführen. Dieser Prozess, bei dem ein neuronales Netzwerk anhand von Beispielen trainiert wird, wird als überwachtes Lernen bezeichnet und ist die gebräuchlichste Methode, um es zu trainieren.
Das Trainieren eines neuronalen Netzes umfasst das Anlernen anhand von Beispielen mit bereits bekannten Antworten, sogenannten gelabelten Beispielen. Dies ist vergleichbar mit einem Test, bei dem die richtigen Antworten bereits vorgegeben sind, sodass das Netz aus diesen Beispielen lernen kann. Wenn das Netz Vorhersagen treffen soll, werden ihm neue Beispiele ohne Antworten präsentiert, das heißt, die Eingaben sind nicht gelabelt. Das Netz wendet dann das Gelernte an, um die Antworten eigenständig vorherzusagen.
Beispiel für ein neuronales Netz
Dies ist eine Demonstration eines neuronalen Netzes, das speziell dafür entwickelt wurde, Zeichnungen von Katzen und Hunden zu erkennen.
Es handelt sich um ein Klassifikationsproblem, bei dem eine Eingabe aus einer zunächst unbekannten Klasse verarbeitet und die identifizierte Klasse ausgegeben wird.
Nutzen Sie das Beispiel, um ein tieferes Verständnis zu erlangen.
LMB (Linke Maustaste) – zum Zeichnen.
Shift + LMB – zum Radieren.
Danke für Ihr Feedback!
